朴素提示优化：反思复杂提示搜索的必要性

arXiv 发布论文提出 Naive Prompt Optimization (NPO)，一种轻量级单线提示词优化方法，利用教师模型和 rollout 反馈迭代修改提示词。NPO 在更少 rollout 下达到或超过 GEPA 的表现，且教师模型越强优势越明显。在交互游戏中与 GEPA 相当，GRPO 在部分任务上更优。NPO 优化后的提示词可直接用于其他学生模型并带来类似提升，尤其在同族模型间。

此前提示优化趋势偏向复杂的搜索过程。NPO 表明简单、线性的方法即可与复杂方法媲美，可能降低优化成本，并使提示词优化更易落地。该发现挑战了“越复杂越好”的假设，对依赖提示工程的 AI 产品具有潜在价值。

NPO 采用单线迭代，用更强的教师模型生成提示修订，并基于 rollout 反馈评估。其优势随教师模型增强而扩大，说明强大的推理能力可部分替代优化器侧的搜索复杂度，从而以更少的计算资源实现相近或更好的效果。

对依赖提示词优化的 AI 产品，NPO 可降低优化所需的计算资源和时间，简化优化流程。由于优化后的提示词可在同族模型中迁移，可能减少为不同模型重复调优的成本，加速产品迭代。

• 将 NPO 集成到现有提示词管理工具中，提供轻量级自动优化功能，降低使用门槛。
• 针对同族模型（如同一系列的 Llama 或 GPT）批量优化提示词，并验证跨模型迁移效果。
• 在交互式 AI 场景（如游戏或对话）尝试 NPO，评估其与 GRPO 的适用边界。

• 证据未说明 NPO 在不同领域（如非交互任务）中的表现是否一致。
• NPO 的提示词优化是否需要人工设定 rollout 次数或其他超参数？
• NPO 优化提示词的长期稳定性（如跨情境泛化）尚未验证。